Varför emotionell AI-coaching är framtiden, inte bara spårning och ping

När vi började bygga Simple 2019 ville jag skapa en hälsoprodukt som guidar människor på samma sätt som en bra lärare guidar en elev. Jämförelsen jag ständigt återvände till var Duolingo i dess tidiga dagar. Inte på grund av gamification, utan för att Duolingo var ett av de få digitala verktygen som tillförlitligt kunde dra tillbaka människor till en vana varje dag. De flesta hälsobeslut är inte dramatiska händelser. De är små dagliga beslut. Om en app kan hålla någon engagerad tillräckligt länge för att dessa beslut ska kunna ackumuleras, så gör den riktigt arbete. Vi ville bygga en AI-hälsocoach som hjälper människor att återvända, reflektera och försöka igen, även om de misslyckas, långt innan den nuvarande AI-hysterin.

De flesta viktminskningsappar byggs på en annan antagande: AI behandlas som ett tillbehör. En “mänsklig” chattbot sitter ovanpå en spårare. De flesta gånger finns det någon Q&A-modul som svarar på vad användarna frågar. Plus, det finns motivationsping för att uppmuntra människor att komma tillbaka när de drifter. Medan dessa element är helt okej, så förstår de inte varför människor kämpar med att följa. De flesta människor misslyckas inte för att de saknar information, utan för att att vara konsekvent kräver emotionell förstärkning, ansvar och en känsla av partnerskap. En applikation som är utformad för att pinga och skicka påminnelser kan inte hålla användaren under de långa platåfaserna där den verkliga beteendeförändringen sker. Det visar sig att AI kan – när den görs rätt.

Varför traditionella viktminskningsappar inte fungerar så bra som vi skulle vilja

När vi började undersöka följsamhetsmönster, blev en sak uppenbar. Människor slutar när de känner sig ensamma med ett svårt mål. Att spåra kalorier eller fasta fönster är användbart endast så länge användaren känner sig stödd i de ögonblick som känns kaotiska eller uppmuntrande. De flesta appar svarar inte på dessa ögonblick, de loggar bara användardata och erbjuder allmänna råd. Som ett resultat har vi verktyg som inte möter användaren på den emotionella nivån där avhopp blir ett alternativ.

Sedan finns det den gamla beslutsutmattningen. Hälsobeslut är repetitiva och lätta att rationalisera bort. Utan ett system som hjälper människor att reglera sina känslor, tolka bakslag och upprätthålla momentum, blir spårningen en spegel av misslyckande snarare än framsteg. När någon loggar tre dagar av överätning, vill de inte se det i en snygg instrumentpanel. De vill ha förståelse, perspektiv och en nästa steg de faktiskt kan ta.

Detta är där AI-agenter börjar visa en mätbar förändring. När de utformas som kontinuerliga kompanjoner snarare än verktyg, hjälper de användare att bearbeta meningen med deras data. De förklarar mönster med empati. De firar små förbättringar och erbjuder hanteringsstrategier i ögonblicket. En coach-centrerad AI blir en buffert mellan användaren och deras egen besvikelse. Den emotionella lagret saknas i de flesta befintliga produkter, men det är exakt vad bestämmer om en vana överlever tillräckligt länge för att bli automatisk.

Fokusera på en emotionellt intelligent AI-coach

Den starkaste hävstången för att skapa följsamhet i stor skala är att bygga enrelation. Det är den delen som de flesta produkter försummar. De försöker förändra beteende genom logik eller struktur. Endast emotion upprätthåller förändring. När du känner dig förstådd, stannar du kvar. När du känner dig vägledd, försöker du igen. Och här är knepet: om du vill ha en fungerande AI-coach, måste varje interaktion kännas relationell, inte mekanisk. Om det fungerar, slutar konsekvens att vara en syssla för en användare, och börjar vara en konversation som alla vill återvända till. I själva verket ser vi ChatGPT svänga tillbaka och fram på denna skala “relationell — mekanisk” med varje ny version, med användare som reagerar därefter.

Så för oss behövde varje interaktion ha ett syfte. Uppföljningar är inte bara datainsamling. De hjälper AI att förstå användarens emotionella tillstånd och sammanhang. Prompt svarar på individuella mönster. Coach-rösten anpassar sig till användarens ton, preferenser och sårbarheter. Över tiden börjar människor behandla AI som en hälsokamrat snarare än ett verktyg. Många användare beskriver coachen som något mellan en terapeut och en tränare. Det var inte en olycka. Det var resultatet av att utforma för emotionell anslutning snarare än funktionalitet ensam.

Omriktning mot en coach-först-modell

På ett stadium var vår lösning växande snabbt som en spårningsprodukt. Samtidigt kunde jag inte skaka av mig tron att spårning ensam aldrig skulle skapa den innovativa påverkan vi ville ha. Vi fattade ett svårt beslut att omriktning resurser mot coach-modellen innan vi hade mått för att stödja skiftet. Det kändes riskabelt, men att stanna på den gamla vägen kändes riskabelare. Ögonblicket vi åtagit oss till den riktningen, började produkten förändras. Vi byggde om interaktionsmodellen, skrev om användarresan och utvidgade beteendevetenskapen bakom coachningen. Det var inte en snabb övergång, men det var rätt. Skiftet mot emotionell AI har drivit bättre behållning, starkare resultat och en tydligare produktidentitet.

När vår AI-coach började bilda relationer istället för att spotta ut instruktioner, började användare stanna längre. De öppnade appen även på dagar när de inte ville tänka på sin vikt, delade mer information om sina faktiska vanor och kontrollerade efter bakslag istället för att avbryta helt. Coachningen blev en grundpunkt snarare än en skyldighet.

Detta förstärkte något vi misstänkte tidigt: att hållbar viktförändring inte är en process av intensitet utan av att bygga emotionell motståndskraft, och emotionell bindning till AI skapar de perfekta förutsättningarna för det.

Hur neurodivergent tänkande ledde oss att rikta in oss på känslor

Så mycket jag skulle vilja säga att vår produktfilosofi kommer från grundlig forskning och innovativt tänkande, så beror den mycket på hur min egen hjärna fungerar. Jag har ADHD och en stark tendens till hypervigilans. Detta drar mig in i spiraler, gör mig tvivelaktig allt och får mig att hoppa mellan idéer alldeles för snabbt. Naturligtvis har jag tillbringat en rättvis del av mitt liv med att omriktning dessa vanor till något konstruktivt.

Hypervigilans visade sig vara utmärkt för riskmodellering, till exempel. Det är användbart när du behöver se randfall innan de händer, särskilt när din produkt är ett AI-system som interagerar med miljontals människor. Neurodivergent tänkande utforskar naturligt det ovanliga scenariot, användaren som beter sig utanför normen, den emotionella reaktionen du inte förväntar dig. Det blev en fördel i att bygga en coach som måste vara emotionellt intelligent ovan allt annat. Vi behövde inte en AI som bara förstår den “genomsnittliga användaren”, den måste förstå människor som är överväldigade, spridda, inkonsekventa, undvikande, skamsna eller stressade, eftersom de är mest i behov av stöd.

En hjärna som aldrig slutar skanna efter vad som kan gå fel är också ganska bra på att se hur människor kan känna sig missförstådda. Det hjälpte forma hur vår AI-agent svarar på användarnas förvirring, frustration eller tvivel. Det påverkade också vår tillvägagångssätt för säkerhet. Att bygga en AI som ger råd om hälsa innebär att du måste förutse felmoder. Du måste förstå hur någon kan tolka ett meddelande i en stressig stund. Neurodivergent tänkande gjorde vårt team mer känsligt för ton, takt och emotionell nyans. Det tryckte oss att lägga till skyddsräcken som inte var uppenbara men blev avgörande i verklig användning.

AI som behöver mänsklig modellering, inte bara mänsklig tillsyn

Det finns en lot av diskussion om att hålla människor i loopet när man distribuerar AI i allmänhet och AI i hälsokontexter i synnerhet. Det är viktigt, men det finns en annan dimension tekniska tänkare tenderar att glömma. Effektiv AI-coaching behöver inte bara tillsyn, det behöver modellering. Oavsett vilken coach du bygger, måste den bete sig på sätt som människor intuitivt känner igen som omtänksam, konsekvent och pålitlig. De emotionella signalerna är lika viktiga som de informativa.

Att modellera mänskliga mönster betyder inte att man låtsas att AI är en person. Det betyder att ge användaren en bekant rytm. Bra coacher lyssnar, anpassar sin ton, upptäcker uppmuntran. De erbjuder struktur när någon känner sig kaotisk. Detta är mycket förutsägbara mänskliga beteenden. Vi tränade AI att anta dessa mönster eftersom de gör följsamhet lättare. När människor känner sig emotionellt reglerade, fattar de bättre beslut och håller fast vid dem längre. Det är den mänskliga faktorn vi brydde oss om.

Framtiden för coaching med AI

Det viktigaste jag har lärt mig på vägen är att människor inte behöver högre påminnelser eller mer data. De behöver en relation med ett system som förstår hur svårt förändring är. Artificiell intelligens är nu kapabel att stödja människor på det sättet, åtminstone om vi utformar den med emotionell nyans. När AI-modeller tolkar känslor, sammanhang och beteendemönster med mer nyans nu, kommer de förhoppningsvis att sluta fungera som fancy-chattbotar. Min förutsägelse är att emotionell intelligens, inte modellens storlek, redan blir den riktiga differentiatorn.

När vår produkt fortsätter att växa, förblir visionen densamma: hälsförändring är en övning, och övning kräver en partner. Vår mål är att bygga den mest emotionellt intelligenta hälsocoachen i världen. Om människor känner sig förstådda, kommer de tillbaka. Om de kommer tillbaka, förändras de. Och om de förändras, så gör produkten vad den byggdes för att göra. Och inte för att skryta, men vi är ett företag med 160 miljoner dollar i årlig omsättning nu — bevis på att emotionell AI-coaching kan skalas.